River

wenn ich böse wäre, würde ich schreiben: thomas knüwer arbeitet jetzt für die republica und braucht offenbar geld. bin ich aber nicht mehr (böse), nur noch doof. tat­säch­lich finde ich das was thomas knüwer hier macht ein in­ter­es­san­tes ex­pe­ri­ment: er fährt nach texas zur sxsw und statt nur drüber zu bloggen, schreibt er einen täglichen news­let­ter für den er auf steady um etwas fi­nan­zi­el­le un­ter­stüt­zung bittet.

steady hat sich zu einem kleinen moloch ent­wi­ckelt. über steady kann man die titanic, das plötzblog, über­me­di­en, rivva und 2.833 andere projekte oder „Me­di­en­ma­cher:innen“ un­ter­stüt­zen. meinen news­let­ter hätte ich dort auch ein­ge­rich­tet, un­ter­stüt­ze steady rss-zu-news­let­ter-kon­ver­tie­rung. statt­des­sen habe ich mir dort auch eine „un­ter­stüt­zer­sei­te“ ein­ge­rich­tet, auf der man sich ein gutes (3 €/monat), sehr gutes (5 €/monat) oder super gutes gefühl (10 €/monat) kaufen kann. das dort ein­ge­nom­me geld würde ich dann auch wiederum dafür verwenden mir ein gutes gefühl zu kaufen — obwohl ich bezweifle dass das ver­spre­chen von guten gefühlen viele in­ter­es­sen­ten findet.

thomas knüwers news­let­ter­an­ge­bot hingegen scheint interesse zu wecken. nach einem tag bereits 40 zahlende mit­glie­der. ich finde die trans­pa­renz die steady bietet (wenn der oder die me­di­en­ma­chen­de das will) sehr lo­bens­wert und bin gespannt wie das ex­pe­rie­ment ausgeht, auch wenn ich kein grosser fan von be­zahl­schran­ken bin und auch für schran­ken­lo­se angebote zahlen würde.


ich habe zuerst nur die zitate gelesen, die volker weber aus barbara geyers text ex­tra­hiert hat und eine replik im kopf for­mu­liert. dann fiel mir auf, dass das äusserst denkfaul ist und las barbara geyers text. der text gefiel mir, aber meine replik bleibt die gleiche. einer der haupt­ge­dan­ken in barbara geyers text ist dieser:

Ich nenne dieses Phänomen die KI-Fach­kom­pe­tenz­schwel­le. Eine Grenze des Vor­wis­sens, unterhalb derer KI-Nutzung nicht nur wir­kungs­los wird, sondern kon­tra­pro­duk­tiv.

kri­ti­sches denken allein reiche nicht, man müsse schon sub­stan­zi­el­les wissen mit­brin­gen, um KI produktiv, nutz­brin­gend zu nutzen — sagt barbara geyer. ich würde darauf antworten, dass das auch alles eine hal­tungs­fra­ge ist. für mich ist der weg zu wissen neugier, also eine haltung (so wie kri­ti­sches denken auch eine haltung ist). neugier führt dazu, dass ich mich mit einfachen antworten, egal woher die kommen, nicht zufrieden gebe, sondern verstehen möchte und im besten fall etwas so tief verstehen möchte, dass ich es selbst machen oder anderen erklären kann.

wer neugierig ist gibt sich nicht mit wohl­klin­gen­den antworten eines lehrers, pro­fes­sors, eltern, buchs, videos oder einer KI zufrieden. neugier in­spi­riert zum tiefer, weiter fragen. dum­mer­wei­se kann man neugier nicht (wirklich) lehren (oft im gegenteil), neugier kann man aber wecken, entfachen.

wit­zi­ger­wei­se habe ich gerade heute beim mor­gen­spa­zier­gang an meinen kunst­leh­rer in der siebten oder achten klasse zu­rück­ge­dacht. herr schiefer hiess er und alles was er uns an aufgaben antrug, entfachte neugier und aha-er­leb­nis­se in mir. wir haben grau­stu­fen­bil­der aus punkten gemalt, be­nutz­ba­re stühle aus pappe gebaut, dioramen im schuh­a­kar­ton mit guck­lö­chern gebastelt.

bei herrn schiefer habe ich kein kri­ti­sches denken bei­gebracht bekommen, aber er hat neugier in mir geweckt, die dann auf dem weg auch kri­ti­sches denken aus­bil­de­te und dann lang­fris­tig zu einer anhäufung gröss­ten­teils unnützen wissens in mir geführt hat.

was ich sagen will: wenn man KI nur zur ge­ne­rie­rung von antworten nutzt, wird ki schnell kon­tra­pro­duk­tiv. wenn man KI zur ge­ne­rie­rung weiterer fragen nutzt kann man mit KI un­ter­stüt­zung sehr viel lernen.







heiko ist auf dem richtigen weg: man muss seinem RSS sehr viel auf­merk­sam­keit und liebe schenken um damit die auf­merk­sam­keit der RSS lesenden (ein bisschen) zu belohnen. denn RSS leser und le­se­rin­nen sind die besten und treuesten begleiter aller die ins internet schreiben.



Marty Supreme (2025) gesehen

ver­trieb­lern gefällt dieser film.

mir aber auch.

ver­hält­nis­mäs­sig an­stren­gend und im prinzip geht’s die ersten 120 minuten nur darum dass marty versucht an geld zu kommen und dabei gegen immer härtere wände des ame­ri­ka­ni­schen traums rennt. nach ungefähr 90 minuten hab ich ne kurze poause gemacht und ge­schla­fen und dabei wilde träume davon gehabt, dass ich auch hinter irgendwas herrenne und mich dabei bei immer mehr menschen unbeliebt mache. insofern war der film wie ein alptraum, aber auch ein bisschen un­ter­halt­sam und ok ge­schau­spie­lert. selbst gwyneth paltrow war er­träg­lich.










YouTube Video Vorschaubild
youtube-video laden, info, direktlink

dieses video könnte man durchaus als KI 101 be­zeich­nen. der gast dieser folge startalk mit neil degrasse tyson und seinen beiden sidekicks ist geoffrey hinton, der letztes jahr für seine grund­la­gen­for­schung zu neu­ro­na­len netz­wer­ken den physik no­bel­preis bekommen hat. er erklärt ein paar der grund­la­gen kündt­li­cher neu­ro­na­ler netzwerke und warum er denkt dass KIs bereits denken. zu den grund­la­gen fand ich folgendes fas­zi­nie­rend:

das mensch­li­che gehirn hat ungeführ 100 tril­lio­nen (noronale) ver­bin­dun­gen. wenn man das mit dem zeitraum den wir leben ver­gleicht (um die 2,5-3 mil­li­ar­den sekunden), kann man sagen: wir haben sehr viele ver­bin­dun­gen, aber wenig erfahrung.

bei den neu­ro­na­len netzen die wir derzeit zu bauen imstnde sind ist das umgekehrt. sie haben ca. 1 milliarde ver­bin­dun­gen (viele LLMs haben sehr viel weniger weniger), was ungefähr 1% der ver­bin­dun­gen sind, die menschen haben. dafür haben diese künst­li­chen neu­ro­na­len netze und LLMs viele tausend mal mehr er­fah­re­nun­gen.

die grenzen an die heutuge LLMs stossen hängen (laut geoffrey hinton) vor allem damit zusammen, dass sie auf er­fah­run­gen basieren die wir auf­ge­schrie­ben haben. eine go KI, die aus er­fah­run­gen echter go-experten/meister gelernt hatte, war immer etwas schlech­ter als die mensch­li­chen experten. un­schöag­bar wurden diese KI-systeme als sie anfingen gegen sich selbst zu spielen, sich ihre er­fah­run­gen also selbst bei­gebracht haben. das dürfte auch de weg sein, wie LLMs klüger werden, meint geoffrey hinton.

wirklich se­hens­wert, wenn man KI abseits des hypes und gegen-hypes etwas besser verstehen möchte.